Data-gedreven wiskundige modellering en computationele methoden voor het prijzen en hedgen van hernieuwbare energiecontracten

De groeiende rol van hernieuwbare energiebronnen zorgt voor een fundamentele verschuiving in energiemarkten richting een duurzamer en groener systeem. Deze transitie brengt echter ook nieuwe typen risico’s met zich mee, zoals volume-, net- en klimaatgebaseerde risico’s. Dit project richt zich op het prijzen en hedgen van hernieuwbare energiecontracten die onder invloed staan van deze risicofactoren, met speciale aandacht voor computationele methodologieën. Door geavanceerde wiskundige modellen te combineren met data-gedreven technieken, beoogt het onderzoek robuuste strategieën te ontwikkelen voor het effectief beheersen van deze opkomende risico’s.’

  • PhD Student: Konstantinos Chatziandreou
  • Supervisors: Sven Karbach (KDVI/IVI), Drona Kandhai (KDVI/IvI)

Cases

Vergelijkbare projecten & activiteiten

Bridging Tabular, Graph and Relational Foundation models

Mechanistic Interpretability for Tabular Transformers

ELSA lab AI for Health Equity

Advancing Machine Learning Methods for High-Frequency Financial Time-Series Data